基于实船观测的北极东北航线窗口期海冰冰情研究

胡 冰，于 淼，李志远，王德禹，陈晓东

（1.上海交通大学海洋工程国家重点实验室，上海 200240；2.中国远洋海运集团有限公司，上海 200127；3.大连理工大学a.海岸和近海工程国家重点实验室；b.工业装备结构分析国家重点实验室，辽宁大连 116024）

0 引 言

随着全球气候变暖，北极海冰覆盖面积的快速下降大幅提高了北极航线的适航性[1-2]。在冰区航行时，船体与海冰之间的相互接触对船舶形成了巨大的冰载荷[3-5]。冰载荷对船舶的推进系统和局部结构强度均形成较大威胁[6]。因此，对于极区航行的船舶，海冰是船舶结构设计与航行安全性评估的重要参数[7-8]。研究表明，碎冰所产生的冰载荷明显低于平整冰[9]。波罗的海长期的船舶冰载荷实船研究表明，碎冰密集度是影响船舶冰阻力最重要的参数之一[10]。由于北极地区的水文与气象因素差异，不同海域的海冰冰情具有明显区别。因此以北极航道为研究对象，建立准确的船舶作业工况与海冰环境参数有助于船舶抗冰性能的设计。

卫星遥感是获得北极海冰冰况的重要手段，可用于测量北极尺度的海冰冰情。对于北极海冰分布、海冰的影响因素和演变等方面的研究，大尺度卫星遥感图像的应用较为广泛。自2002年以来，用于地球观测系统的高级微波扫描辐射仪（AMSR-E）开始运行，其后继产品（AMSR-2）于2012年开始提供北极海冰密集度测量值[11-12]。李涛等[13]分析了1997-2005年北极东西伯利亚海海冰的变化特征，认为海冰面积与覆盖率是海冰冰情的主要描述参数。在基于美国冰雪中心（NSIDC）的北极海冰参数研究中，卫星遥感图片所提供的信息能够很好地反映出洋流对海冰漂移运动的影响[14]。Walsh 和Timlin[15]利用全球气候模型对北半球海冰进行了模拟分析。Howell和Yackel[16]针对1969年至2002年间西北航道海冰变化对航运的影响，并结合地理信息系统（GIS）对巴罗海峡至波弗特海之间的多个海峡分析，研究了海冰的时空分布以及冰情变化与穿极流之间的关联。遥感得到的海冰密集度数据及冰况预报为北极航行提供了宝贵的依据，但基于遥感的冰况需得到现场船载观测的数据验证。

目前，针对海冰的走航视频观测方法主要应用于极地科考船[17-19]。最近，Wang 等[20]对比分析了2016 年雪龙号北极科学考察过程中船载摄像机拍摄的海冰密集度与对应的遥感产品，研究表明遥感数据在低密集度下的监测结果高于实际值而在较高密集度下低于实际值。由于雪龙号科考路线主要集中在高纬度地区而商船航线则集中于低纬度冰缘线附近，因此该研究对遥感数据和走航数据的对比分析结果仍需进一步分析。

本文以“天佑号”货轮为测试平台，采用船载视频图像方法对2018年窗口期内北极东北航线的冰情进行了实船观测，采用图像识别方法对海冰密集度参数进行提取并与卫星遥感数据源进行比较分析。对北极东北航道海冰冰情的分析可为北极航运航线规划和航行操作提供参考和保障。

1 航行线路及图像数据采集

自2013年“永盛轮”北极东北航道首航以来，中远海运集团每年均有不同航次数量的北极航行任务。随着北极冰情逐年减弱，北极航行的航次逐年上升，如表1 所示。数据显示，北极航道的利用大幅降低了中欧之间的海上航行距离，有助于节约燃油消耗和航运时间。如表1所示，迄今为止中远海运集团共派出22 艘多用途船和半潜船，执行了31 个北极航次，承运货物94 万吨，合计减少航程124 807 n mile，节约航行时间395.5 d，减少燃油消耗11 448 t、减少二氧化碳排放35 673 t，经济效益和社会效益明显，为冰上丝绸之路建设和中欧经贸合作做出了贡献。

表1 2013年-2019年北极东北航道的经济效益Tab.1 Economic benefits of the Northeast Route from 2013 to 2019

1.1 2018年“天佑号”东北航道航行路线

本次“天佑号”具体航线如图1所示，虚线箭头为出发时的航线，实线箭头为返程时的航线。往返的冰情有所差异，导致往返的航线发生变化。东行与西行的航行线路有细小的区别，实际上是窗口期初始与末尾的区别。桑尼科夫海峡的冰情具有一定的滞后性，在窗口期初始阶段也就是消融阶段的融冰速度较低，此时适合走北部。在窗口期的末期，结冰时间较晚，更适合走桑尼科夫海峡。在无冰海域的全速航速约为13～14 kn，取决于洋流与风向，在维利基斯基海峡的洋流较大，具体需要进一步查询资料。总体上每天全速航行的状态下航行距离约350 n mile。在冰区航速约为5～10 kn，最低速度为5.4 kn，最高航速约10 kn。西行阶段冰情较重，冰区航行时间约5 d；东行时冰情减弱，冰区航行时间约为10 h 且密集度均在10%以下。因此本文的研究对象主要为西行期间的航道冰情。

图1 2018年“天佑号”北极航线示意图Fig.1 Sketch of the Arctic Route of MV Tianyou in 2018

1.2“天佑号”海冰冰情观测系统

为记录分析“天佑号”行经的北极航线沿线冰情，通过视频系统对海冰冰情进行记录和观测。航行过程中共采用了两路摄像机分别从航行的正前方与右前方两个方向进行记录，如图2所示。

图2“天佑号”冰情观测系统Fig.2 Ice monitoring system of MV Tianyou

本次航行的冰情视频主要用来识别海冰的密集度，即单位面积中海冰面积所占比例。为提高海冰密集度监测的准确性，通常以增加监测角度及范围的方式来实现。图3 为冰水二值化处理的示意图，将实测数字图像二值化后可以区分冰水介质。通过计算海冰与水元素的像素点比例得出海冰密集度。将监测摄像机获取的视频每小时取帧后的图像进行处理即可得到航线上每小时的海冰密集度数据。本次航行中共获取2018年8月3日至7日112个位置的密集度数据，并用于后续的分析。

图3 海冰视频图像的密集度处理结果Fig.3 Analysis result of ice concentration based on digital images

1.3 海冰密集度卫星遥感数据

为了更好地分析航线的海冰密集度，德国不莱梅大学发布的AMSR-2（Advanced Microwave Scanning Radiometer 2）海冰密集度数据集被用来与船侧视频密集度数据进行比较。逐日AMSR-2 密集度数据由ASI算法得到，空间分辨率为3.125 km[21]。ASI算法主要利用海冰和海水在89 GHz、V和H极化之间的亮温差异来进行冰水识别。89 GHz 通道是AMSR-2 有效荷载的所有通道中分辨率最高的，但受到大气的影响较大，尤其是水蒸气和云状液态水的影响。这需要通过天气过滤器来修正处理大气的不透明性。

偏振差P，定义为V和H偏振下89 GHz亮度温度之间的差：

式中，TB,89V为V极偏振89 GHz对应的亮度；TB,89H为H极偏振89 GHz对应的亮度。

式（1）被用于结合系点将其转换为海冰浓度，即确定海冰密集度0%时的P值（P0）和100%海冰密集度的P值（P1）。同时规定P＞P0时海冰密集度为0%，P＜P1时海冰密集度为100%。本算法中两个系点值为P0=47 K，P1=11.7 K，需要注意的是系点值具有季节性变化，尤其是夏季海冰融化时会发生明显变化。但是考虑到反演数据的连续性，算法中都采用了固定的系点值。同时为了校正天气影响，使用通道的梯度比：

式中，GR37V,18V为通道梯度。

复习课上，我没有听到下课铃声就拖堂了。走出教室那一刹那，传来一个玩世不恭的声音：“总算闪人了，走远点发财去！”我回过头，深深看了他一眼，那个总是跟所有老师对着干，爱出风头的家伙——小峰！这是他第几次在公开场合哗众取宠？强忍怒火，我大步离开教室。

式（2）用于通道的二次检查，当GR37V,18V或GR23V，18V高于各自的阈值时海冰密集度被设为0%。即将误判为海冰的格点重置为海水，但对海冰密集度的值没有修正。最后，还使用Bootstrap算法独立计算海冰密集度，当Bootstrap 算法的密集度结果低于5%时，ASI密集度结果直接设置为0%。之所以这样做是因为Bootstrap算法使用的是18 GHz和37 GHz通道，因此对大气环境不太敏感。

虽然遥感密集度产品的时空分辨率都低于视频密集度数据，但是时空连续性更高。可以提供极地任意地区、任意日期的海冰密集度。因此遥感产品被广泛应用于大尺度冰情分析，是目前业务化成熟度最高的数据源之一。

2 2018年窗口期东北航道海冰密集度分析及讨论

2.1 基于走航观测的航线冰情分析

在商船航行过程中，航线的选择以航行安全与经济性为主要依据。本次试验过程中“天佑号”实际航线主要集中在海冰冰缘线附近，既可避免重冰区航行对船舶的威胁又可缩短航行距离。图4 中给出了航行过程中的典型海冰特征。由于航线处于冰缘线附近，因此海冰以密集度较低的碎冰为主，如图4（a）～（b）所示。航线行经的碎冰区海冰主要由北侧海冰消融漂移而来，因此内部夹杂着大量的冰脊和融池等海冰，如图4（c）～（d）所示。虽然在密集度低的浮冰区内夹杂的冰脊长度较小，但其龙骨厚度仍远大于平整冰形成的碎冰，对船舶的航行威胁仍然较高。此外，融池表面特征与海水十分接近，会给北极航道的航行操作造成较大困扰。

图4 海冰特征的走航观测结果Fig.4 Sea ice features based on onboard measurement

根据“天佑号”的冰区航行实测数据，对海冰密集度进行提取，如图5所示。其中海冰密集度的变化范围为0%至80%，平均密集度为17.8%。在密集度的时程曲线中（图5（a））能够看出，“天佑号”行经海域的海冰密集度变化较为剧烈，在数小时内的密集度可由10%以下迅速上升至80%。海冰密集度是船舶冰区航行的重要参考参数，通常船舶需根据海冰密集度来调整航行速度。“天佑号”的航线位于边缘线附近，当冰缘线与俄罗斯大陆较为接近时，船舶无法绕开海冰而不得不在高密集度冰区中穿行。由于航行过程中船舶往返于冰区与开阔水域，因此整体航线周围的海冰密集度变化较大。

针对航线中密集度在短时间内的快速变化，将5 h 内密集度变化的最大值进行了统计，如图5（b）所示。通过短期内的海冰密集度变化，能够更为直观地反映出航行中密集度的波动。其中5 h内的最大密集度变化为8 月5 日的80%。自8 月3 日下午“天佑号”驶入冰区后，密集度变化一直保持较高水平，其中8 月5 日至8 月8 日期间的密集度变化幅度总体保持在50%以上。这说明对于北极航线航行的船舶，海冰密集度处于大幅变化的状态。在冰区航行中，当密集度较高时需降低航速以降低船体与海冰的碰撞几率从而减小海冰对航行的影响。因此，当进入冰区后不仅需采用手动操作模式来控制航行方向还需进行减速备车随时应对航速的变化。根据航行过程中不同密集度出现的概率密度进行了统计，统计结果如图5（c）所示。统计结果中的概率密度为幂函数，通过最小二乘法对函数进行拟合所得公式也在图中给出。

图5 海冰密集度的走航观测结果Fig.5 Sea ice concentration based on onboard measurement

2.2 基于卫星遥感的航线冰情分析

本次航行先后经过东北航道的五个海域，按时间顺序分别为楚科奇海、东西伯利亚海、拉普捷夫海、喀拉海和巴伦支海。为更好地把握各个海域在航行期间的海冰情况，图6展示了利用AMSR-2数据总结的航行期间各个海域内航线的平均海冰密集度的变化情况。可以看到，在整个航行期间（7 月29 日至8 月13 日）楚科奇海和巴伦支海段航线一直处于几乎无冰的开阔水状态，平均海冰密集度几乎一直为0。在其他三个海域中，东西伯利亚海段航线的冰情最为严重，平均海冰密集度从7月29日的0.37逐渐降低到不足0.1。拉普捷夫海段航线的冰情弱于东西伯利亚海，7 月19 日的平均密集度为0.17，到8 月6 日后开始变为几乎无冰状态。喀拉海段航线冰情随时间变化与拉普捷夫海类似，只是海冰密集度更低。

图6 卫星遥感数据中各海域海冰密集度Fig.6 Sea ice concentration of different seas based on satellite data

2.3 视频图像数据与卫星遥感数据的对比分析

图7 视频图像和AMSR-2密集度的数据对比Fig.7 Comparison of concentration data from video images and AMSR-2

由于AMSR-2 数据呈现的是每日平均密集度，在和船侧密集度对比过程中难免存在着时间不匹配的情况。这也是二者之间对比差异的来源之一。为避免这个问题，对航线上的冰情进行逐日统计分析。图8 所示为航线上每日海冰密集度的统计对比，其中蓝色柱代表船侧密集度主要范围（25%-75%），红色柱为AMSR-2 密集度数据主要范围。同时呈现的还有两组数据：每日密集度的均值和中位数。由8 月3 日和4日的统计情况可以看出，在低密集度冰区AMSR-2 的低估情况仍然十分明显，说明图6 中的情况并非由数据之间的不匹配造成的。船侧视频监测到的密集度在0-0.2范围内的海冰在大尺度的遥感产品上很可能被误判为开阔水。密集度平均值被AMSR-2 低估了约0.06。8 月5 日二者的平均密集度几乎一致（0.2），但AMSR-2 的中位数明显偏低而上限较高。说明该日航线处于海冰边缘区的附近，海冰密集度出现剧烈变化。但这些变化由于人为干预并未体现在监测视频中。8 月6 日AMSR-2 的平均数和中位数都明显高于船侧视频的结果，该现象在图7 中也有体现，这是由于视频密集度的低估而造成的。8月7日中，两组数据的结果吻合较好，密集度均值和分布范围都比较一致。

图8 视频数据和AMSR-2数据的逐日对比差异Fig.8 Daily difference of data from video camera and AMSR-2

3 结论与展望

本文通过对2018 年中远“天佑号”于窗口期在北极东北航道的冰情进行了走航监测并将基于视频图像的数据与AMSR-2 卫星遥感产品进行对比分析，总结了航行期间各个海域的海冰密集度变化情况，并将两组数据进行对比分析，得到二者之间的差异。这些结果有助于更好地了解东北航道的海冰环境，所得结论主要包括：

（1）北极航道夏季的通航期间，航线中的海冰主要集中在东西伯利亚海与拉普捷夫海两个航段，而楚克奇海与喀拉海的航段内无冰。航道海冰类型以低密集度的破碎冰为主，在破碎冰中夹杂着部分冰脊与融池等海冰。

（2）航道途径冰区的海冰密集度最大值为80%，平均密集度为17.8%。航线中海冰密集度变化较大，5 h内的最大变化可达到80%，海冰密集度的分布呈幂律分布。

（3）对比船侧视频密集度和AMSR-2 密集度产品发现在0 到0.2 的低密集度情况下，AMSR-2 会将其低估至开阔水状态。而在较高密集度情况下，船侧视频密集度由于人为干预航线选取而对冰情有少量低估。

由于本文采用的现场数据来自于船侧记录的视频资料。该方法虽然是冰区航行中冰情记录的常用方法，但也存在着一定的不足。首先此方法的时空连续性不足，只能记录到船舶航线附近区域的冰情，无法进行大范围的连续记录。另外，由于船舶航行过程中会优先选择冰间水道等密集度较小的区域作为航线，因此该方法记录的海冰密集度一般为该区域范围内较小的值，即此方法存在一定的低估。因此在结合遥感数据进行应用过程中要充分考虑以上不足，以更好地指导航行。

基于视频图像的海冰参数识别具有精度高、有效性强的优势，但该手段对图像处理方法的依赖性较强。由于北极航道融冰期内海冰类型的繁多复杂、光线分布的不均匀、船舶晃动引起的相机入射角变化均为图像处理带来了较大挑战。在未来的图像处理过程中应进一步考虑相关因素的影响，从而提高海冰参数识别结果的精度。